CV / PP-YOLOE

PP-YOLOE

PP-YOLOE COCO object detection accelerated by RKNN on reComputer RK3576 and RK3588.

7 ダウンロード

精度

RKNN

使用しているデバイスを選択してください。セットアップガイドとドキュメントがそれに応じて更新されます。

プラットフォーム

サイズ

推論エンジン

はじめる

デプロイ

sudo docker run --rm --privileged --net=host --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppyoloe:latest \
  python web_detection.py --platform rk3576 --model_path model/ppyoloe_s.rknn \
  --class_path model/coco_80_labels_list.txt --camera_id -1

REST API

REST API を使用して推論を実行します。以下のコマンドをコピーしてください。

Curl

curl http://localhost:8080/v1/chat/completions -d '{
  "model": "ppyoloe-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "ppyoloe-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

モデル詳細

クイックスタート

1. Docker のインストール

開発ボードで次のコマンドを実行して Docker をインストールします：

bash

# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
# Aliyun
sudo sh get-docker.sh --mirror Aliyun
# systemd
sudo systemctl enable docker
sudo systemctl start docker

2. プロジェクトの実行（1コマンド、デュアルモードプレビュー）

このデプロイはreComputer-RK-CVのPP-YOLOEモジュールに従っています。RKNN NPU推論、Webプレビュー、REST API、非同期動画解析を提供します。

モデル情報

プロパティ	値
タスク	COCO 80クラス物体検出
入力	`640 x 640`のレターボックスRGB
バリアント	`ppyoloe_s.rknn`, `ppyoloe_m.rknn`
デフォルト	`model/ppyoloe_s.rknn`
後処理	DFLデコードとクラス対応NMS

ステップ A：イメージをプル

bash

sudo docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-ppyoloe:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppyoloe:latest

ステップ B：ワンクリックで実行

** RK3576：**

bash

sudo docker run --rm --privileged --net=host \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppyoloe:latest \
  python web_detection.py --platform rk3576 \
  --model_path model/ppyoloe_s.rknn \
  --class_path model/coco_80_labels_list.txt --camera_id -1

** RK3588：**

bash

sudo docker run --rm --privileged --net=host \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-ppyoloe:latest \
  python web_detection.py --platform rk3588 \
  --model_path model/ppyoloe_s.rknn \
  --class_path model/coco_80_labels_list.txt --camera_id -1

--model_path model/ppyoloe_m.rknnでPP-YOLOE-Mへ切り替えます。カメラ入力では/dev/videoNをマッピングし、対応する--camera_idを設定します。

🔌 API ドキュメント

1. モデル推論インターフェース（Predict）

エンドポイント： POST /api/models/ppyoloe/predict

リクエストパラメータ（Multipart/Form-Data）：

file、video、timestamp、realtime、conf、iouを指定できます。しきい値のデフォルトは0.25と0.45です。

使用例：

bash

curl -X POST "http://<BOARD_IP>:8000/api/models/ppyoloe/predict" \
  -F "file=@bus.jpg" -F "conf=0.30" -F "iou=0.45"

レスポンス形式（JSON）：

json

{
  "success": true,
  "source": "uploaded image",
  "predictions": [
    {
      "class": "bus",
      "confidence": 0.91,
      "box": {"x1": 120, "y1": 80, "x2": 520, "y2": 430}
    }
  ],
  "image": {"width": 640, "height": 480}
}

2. システム設定インターフェース（Config）

入力の優先順位は画像、アップロードMP4フレーム、アクティブなカメラまたはサンプル動画です。GET/POST /api/configはグローバルな物体しきい値とNMSしきい値を制御します。ヘルス、MJPEG、動画アップロード、非同期解析、状態、一覧、ダウンロードの各インターフェースもあります。

web_detection.pyはレターボックス前処理、RKNN推論、PP-YOLOE DFLデコード、クラス対応NMS、座標復元、レンダリング、APIシリアライズを実行します。置き換えるモデルはこのDFLデコーダと出力レイアウトとの互換性が必要です。

3. コマンドライン引数

引数	デフォルト	説明
`--platform`	必須	`rk3576`または`rk3588`。
`--model_path`	必須	PP-YOLOE-SまたはPP-YOLOE-MのRKNNファイル。
`--class_path`	COCOラベル	シリアライズと描画に使用するクラス名。
`--camera_id`	`1`	カメラインデックス。`-1`はアップロード専用モードを有効にします。
`--video_path`	なし	ループ再生するローカルMP4。カメラより優先されます。
`--host` / `--port`	`0.0.0.0` / `8000`	サービスアドレスとポート。

リアルタイム動画ストリーム（Video Feed）

ブラウザプレビュー用の最新の注釈付き MJPEG ストリームを取得します：

エンドポイント: GET /api/video_feed
使用例: <img src="http://<BOARD_IP>:8000/api/video_feed">

🛠️ 開発者ガイド（本番環境向け推奨事項）

ローカルでビルドする

bash

docker build -f docker/rk3576/ppyoloe.dockerfile \
  -t rk3576-ppyoloe:local src/rk3576_ppyoloe

docker build -f docker/rk3588/ppyoloe.dockerfile \
  -t rk3588-ppyoloe:local src/rk3588_ppyoloe

入力と出力

Input: image, video frame, or camera frame. Output: COCO classes, confidence scores, and boxes.